上海AI實驗室釋出Atria Dawn預覽版：744B MoE智慧體模型

上海人工智慧實驗室釋出了新一代智慧體模型 Atria Dawn 的預覽版本，模型卡資訊顯示其基於 744B 引數的 MoE（混合專家）基座模型訓練，定位為面向科研與工程場景的智慧體模型，強調持續的環境理解、工具呼叫與多步任務完成能力。該預覽版以 MIT 許可開放程式碼與模型權重，並提供 FP8 量化版本 Atria-Dawn-Preview-FP8。

從官方描述看，Atria Dawn 的目標是幫助使用者把開放式問題推進到可執行、可驗證、可復現的結果。它結合任務目標與環境反饋，支援問題分析、方案設計、工具使用、程式碼實現、實驗執行、結果分析以及失敗恢復等環節。官方將其智慧體能力歸納為四個維度：發現（檢索與整理證據、開展深度研究、把研究問題轉化為可執行的實驗計劃）、創造（構建軟體、互動應用、遊戲、資料視覺化與機器學習系統）、交付（把文件、資料和設計需求轉化為報告、演示等結構化成果），以及網路安全（在授權環境中分析安全問題、驗證漏洞、應用修復並複驗）。

官方同時公佈了覆蓋多個基準的評測結果。在 AutomationBench 上，Atria Dawn Preview 得分為 53.8，高於對比表中的 DeepSeek V4 Pro 0813（41.7）、KIMI K3（45.9）、Qwen 3.8 Max（49.7）、GLM 5.3（49.2）、GPT 5.6 sol（45.7）與 Claude Opus 5（49.4）。在 BFCL v4 上得分為 77.0，高於 DeepSeek V4 Pro 0813 的 71.4、KIMI K3 的 69.1 與 GLM 5.3 的 74.1。

在 CyberGym 上，Atria Dawn Preview 得分為 86.5，高於 DeepSeek V4 Pro 0813（83.3）、KIMI K3（78.7）、Qwen 3.8 Max（73.8）、GLM 5.3（84.5）與 GPT 5.6 sol（83.6）。DeepSearchQA 上得分為 96.0，略高於 KIMI K3 的 95.9、GLM 5.3 的 94.7 與 GPT 5.6 sol 的 93.2。BrowseComp 得分為 92.5，高於 DeepSeek V4 Pro 0813（83.4）、KIMI K3（91.2）、GPT 5.6 sol（92.2）與 Claude Opus 5（90.8）。SkillsBench 得分為 66.4，略高於 DeepSeek V4 Pro 0813 的 65.0 與 Qwen 3.8 Max 的 66.7 接近，高於 GLM 5.3（63.3）、GPT 5.6 sol（62.5）與 Claude Opus 5（63.7）。

不過，評測表也顯示 Atria Dawn Preview 並非在所有專案上領先。Workspace-Bench-Lite 得分為 68.2，低於 Claude Opus 5 的 70.1；Workspace-Bench 得分為 65.0，與 Claude Opus 5 的 65.8 接近；MLE-bench Lite 得分為 86.2，低於 GPT 5.6 sol 的 88.9 與 Claude Opus 5 的 88.0；WideSearch 得分為 81.9，低於 GLM 5.3 的 82.7 與 GPT 5.6 sol 的 83.3；DeepResearch Bench II 得分為 51.1，低於 GLM 5.3 的 52.7 與 Claude Opus 5 的 54.1；τ³-Bench Banking 得分為 41.2，低於 Qwen 3.8 Max 的 55.2、Claude Opus 5 的 48.7 與 GPT 5.6 sol 的 46.9；Terminal-Bench 2.1 得分為 78.3，低於 Qwen 3.8 Max 的 89.3、GPT 5.6 sol 的 85.4 與 Claude Opus 5 的 90.2；GDPval 得分為 1583，低於 Qwen 3.8 Max 的 1722、Claude Opus 5 的 1768 與 GPT 5.6 sol 的 1682；SWE-bench Pro 得分為 59.6，低於 Qwen 3.8 Max 的 65.1 與 Claude Opus 5 的 74.7；JobBench 得分為 50.3，低於 Qwen 3.8 Max 的 58.2 與 Claude Opus 5 的 68.0。

整體來看，這份評測呈現出一種「長板突出、短板並存」的格局：Atria Dawn Preview 在自動化、工具呼叫、網路安全、深度搜索與瀏覽類任務上表現較強，但在終端操作、軟體工程、金融場景智慧體以及部分辦公與科研交付類基準上，與 Qwen 3.8 Max、Claude Opus 5 等模型仍有差距。對關注 AI 產業的讀者而言，這類智慧體模型的迭代值得留意，因為它直接關係到模型從「對話工具」向「可執行任務的數字勞動力」演進的進度，也牽動科研自動化、辦公自動化與安全運維等應用場景的落地節奏。模型以 MIT 許可開放權重，也意味著後續會有更多基於該基座的微調與行業適配出現。